研发管理“质量屋”

管理就是要可衡量。能量化尽量量化。不能量化尽量细化，不能细化尽量流程化。——彼得﹒德鲁克

管理如此，质量管理亦是如此。

对于一个千人规模的研发组织，每天会产生大量的数据，如：代码提交、编译构建、单元测试、自动化测试、环境变更、版本发布等。

如何从纷繁的数据中沙里淘金，提取并加工成对于质量管理有用的信息，从而支撑研发过程改进和管理决策，成为了我们亟待解决的课题。

模型建立

通过对一些经典软件质量模型(Mccall模型、Boehm模型、ISO9126模型)的研究，并结合在苏宁金融开展的研发质量管理实践，我们提炼了一套“研发质量评价模型”，其整体框架结构和体系支撑如下：

　　在不同的领域，有不同的工具支撑整个业务流，比如：项目是通过ITP系统来管理的，它涵盖了立项管理、开发管理、上线管理、结项管理等项目全生命周期。不同的工具通过底层数据进行拉通，形成完整的IT解决方案。

评价模型由产品质量、过程质量、持续改进质量、成果转化质量4大维度组成。通过对维度进行细化，又细分为9个子维度、16个评价指标，全方位客观地评估各研发中心的质量管理水平。

模型应用

根据木桶原理，一只水桶能装多少水取决于它最短的那块木板。

研发质量评价模型就是要识别出整个组织的共性问题及能力短板，由SQA牵头驱动组织级的过程改进，进行能力补齐。

•研发质量评价结果样例

•雷达图识别短板

通过雷达图，我们可以方便地识别在“缺陷修复”这个指标上整个组织是存在短板的，需要进行专项改进。

•柏拉图聚焦改进

借助质量工具，我们绘制了柏拉图。根据二八原则，发现流程流转不及时、外部因素无法联调、新员工不熟悉代码这3个原因是导致缺陷修复得分偏低的主要原因。问题的症结找到了，问题自然可以迎刃而解了!

•模型演进

研发质量评价模型不是一成不变的，它有一个逐步演进的过程。我们的模型已经初步完成了从1.0到2.0的转变。

2.0相对1.0版本，使用探索性因子分析法(EFA)对指标维度进行了重新亲和，使评价维度更为合理。同时，增加了质量保证及质量控制的过程性指标，从而提高了模型评价的实时性和效用。

上医医未病之病，中医医欲起之病，下医医已病之病。从结果性的数据描述，到对过程数据及时分析，最终建立预测模型支撑组织决策。

小结

数据是为管理做服务的，但数据本身不能脱离研发实际。庞大的指标体系和盲目的数据分析都是不可取的。

发现问题、解决问题、不断提升组织能力才是研发质量评价的初衷。

​